Development of an optimization tool based on Evolutionary Algorithm for the Operation of Smart Distribution Grids

La creciente penetración de energías renovables y nuevas tecnologías de información y comunicación (TIC) combinadas con la expansión del mercado eléctrico, están cambiando los sistemas eléctricos hacia las redes inteligentes o Smart Grids (SGs). Este paradigma introduce nuevos conceptos como los Recursos Energéticos Distribuidos (DERs) y la Gestión de la Demanda (DSM) Además, el almacenamiento de energía, con tecnologías como baterías puede jugar aquí un papel fundamental, asegurando el balance de generación y demanda en el sistema.
El análisis de la operación del conjunto de DERs, DSM y baterías es muy relevante para maximizar su beneficio y minimizar los costes de operación del sistema. Para esto, se resuelve un „Despacho Económico“ (ED) usando la optimización. Técnicas como Programación Lineal (LP) o Programación Entera Mixta (MIP) han sido usadas frecuentemente en la literatura, sin embargo, cuando estas ténicas no son aplicables por las características del problema, se deben usar otros métodos. Por esta razón, esta tesis se centra en los llamados Algoritmos Evolutivos (EA). En primer lugar, una herramienta de optimización fue desarrollada usando dos de los algoritmos más prometedores: el Algoritmo Genético (GA) y la Optimización por Enjambre de Partículas (PSO). La herramienta es capaz de resolver el ED de una SG genérica que incluye distintos DERs. Aparte, un modelo de degradación de las baterías fue empleado para considerar el envejecimiento que sufren al ser operadas.
Para probar y evaluar la eficiencia de la herramienta, se usaron los datos de una microrred real que ha sido recientemente implementada en la isla de Graciosa (Azores, Portugal). Con ello se simularon una serie de escenarios para analizar la operación del Sistema actual. Basado en ello, distintas alternativas para mejorar la operación son propuestas (ej. respuesta de la demanda). Por último, y basado en los resultados del estudio, se presentan algunas conclusiones.

The increasing penetration of renewable energy sources (RESs) alongside new advanced information and communication technologies (ICT), in combination with electricity markets expansion and the appearance of next actors, is reshaping todays’ power systems towards the Smart Grid (SG). The SG paradigm introduces some new concepts such as Distributed Energy Resources (DERs) and Demand Side Management (DSM). In the Smart Grid, energy storage (ES) technologies such as battery systems (BS) can play a significant role, ensuring power balance between generation and demand at all times.
It is important to analyze the interplay between DERs, DSM and BS, in order to maximize profitability and minimize the operation costs of the system. For this purpose, optimization is used to solve the so-called “economic dispatch” (ED). In the ED problem, optimization modeling techniques such as Linear Programming (LP) or Mixed Integer Programming (MIP) have been widely used in literature. However, when these techniques are inapplicable because of the problem characteristics, other techniques must be used. This thesis work focuses on the so called Evolutionary Algorithms (EAs). Here an optimization tool that was developed using two of the most promising EAs: Genetic Algorithm (GA) and Particle Swarm Optimization (PSO). The optimization tool can solve the ED of a generic SG that includes different DERs. A non-linear battery degradation model that considers ageing due to battery operation is also considered in the tool.
For testing and evaluating the efficiency of the optimization tool, a real microgrid system implemented in Graciosa (Azores, Portugal) is used. A set of different scenarios is simulated to analyze the current system operation; next, some alternatives to improve its performance are assessed (e.g. implement demand response). Finally, and based on the outcomes of the study, some conclusions are drawn.